Key points are not available for this paper at this time.
정보 검색에 대한 언어 모델링 접근 방식은 정보 검색 문제를 언어 모델 추정 문제와 연결하기 때문에 매력적이고 유망합니다. 언어 모델 추정은 음성 인식과 같은 다른 응용 분야에서 광범위하게 연구되었습니다. 이러한 접근 방식의 기본 아이디어는 각 문서에 대한 언어 모델을 추정한 다음, 추정된 언어 모델에 따라 쿼리의 가능성에 따라 문서의 순위를 매기는 것입니다. 언어 모델 추정의 핵심 문제는 매끄럽게 하는 것으로, 이는 데이터 희소성으로 인한 부정확성을 수정하기 위해 최대 우도 추정을 조정합니다. 본 논문에서는 언어 모델 매끄럽게 하는 문제와 그것이 검색 성능에 미치는 영향을 연구합니다. 우리는 매끄럽게 하는 매개변수에 대한 검색 성능의 민감도를 조사하고, 다양한 테스트 컬렉션에 대해 여러 인기 있는 매끄럽게 하는 방법을 비교합니다.
Zhai 외 (수요일,) 는 이 질문을 연구했습니다.